Insumos Velas

Informe
Caso Bike

Asignatura: Inteligencia de negocios 004D
Integrantes:
Sefora Figueroa
Lucas Lopez
Joaquin Navarro
Marcelo Ruiz
Maximiliano Ramirez
Profesor:
Felipe Zambrano

I. Introducción 2
II. Desarrollo del proyecto 2
III. Puntos destacados y conclusiones 2

I. Introducción

Bike Z es una empresa dedicada a la venta de artículos para motocross que ha experimentado un crecimiento acelerado en los últimos años. Este crecimiento ha generado la necesidad de mejorar sus procesos de análisis de datos para respaldar la toma de decisiones estratégicas. Actualmente, la empresa cuenta con información distribuida en su base de datos transaccionales, que incluye detalles sobre las ubicaciones de sus almacenes, datos de clientes, empleados, productos y ventas realizadas.

El principal problema al que se enfrenta Bike Z es la falta de un sistema que centralice y analice esta información de manera eficiente. Esto dificulta identificar patrones, tomar decisiones basadas en datos y mantener su ventaja competitiva en un mercado en constante evolución.

Para abordar esta situación, se propone una solución de Inteligencia de Negocios que contempla:

La construcción de un Data Warehouse que consolida y organiza los datos clave.
Un cubo OLAP para realizar análisis multidimensionales que permitan explorar tendencias y patrones relevantes.
Un informe dinámico en Power BI que presenta indicadores clave para facilitar la interpretación de los datos.

La solución incluye el diseño, desarrollo e implementación del Data Warehouse, la creación del cubo OLAP y la generación de informes en Power BI. Fuera del alcance se encuentran integraciones con sistemas externos o análisis predictivos avanzados.

Este proyecto busca transformar los datos en información accionable que apoye al dueño y los líderes de Bike Z en su proceso de toma de decisiones, asegurando la continuidad de su éxito en el mercado.

II. Desarrollo del proyecto

El problema principal se centra en la falta de herramientas que conviertan los datos en información accionable.
Esto limita la capacidad de la empresa para responder preguntas clave, como identificar los productos más vendidos, evaluar el desempeño de los almacenes, segmentar a los clientes según su comportamiento de compra o detectar tendencias en las ventas. La solución debe abordar estas necesidades proporcionando herramientas que habiliten un análisis profundo y visualizaciones claras.
Dentro del alcance :

Construcción de un Data Warehouse : Se consolidará y organizará la información clave de la base de datos transaccional para facilitar su análisis.
Creación de un cubo OLAP : Permitirá realizar análisis multidimensionales, identificando patrones y tendencias en los datos de ventas, productos, empleados e incluso clientes.
Desarrollo de informes en Power BI : Se generarán informes visuales que presentarán indicadores clave, como ingresos totales, ventas por ubicación y segmentación de clientes.

Fuera del alcance :

Predicción de tendencias futuras : El proyecto no incluye modelos de análisis predictivo o aprendizaje automático.

Objetivos :

Desarrollar un Data Warehouse : Crear una estructura que centralice y organice los datos provenientes de la base transaccional de Bike Z, permitiendo soportar análisis multidimensionales.
Construir un cubo OLAP : Diseñar y desarrollar un cubo OLAP utilizando SQL Server Analysis Services (SSAS), que permite realizar análisis detallados de las ventas según las dimensiones ventas, clientes, empleados, productos, ubicación y tiempo.
Implementar un informe en Power BI : Generar un tablero interactivo que presenta información clave para la toma de decisiones, basado en las métricas extraídas del cubo OLAP.

Resultados esperados :

Modelo Dimensional Completo :
Tablas de dimensiones: Clientes, Productos, Ubicaciones, Empleados, Tiempo.
Tabla de hechos: Ventas con métricas relevantes como ingresos totales, cantidad de productos vendidos y promedio de ventas por cliente.
Cubo OLAP Funcional :
Consultas específicas: El cubo permitirá realizar análisis como:
Comparación de ingresos entre distintas regiones y periodos de tiempo.
Identificación de productos más vendidos según categorías.
Análisis de desempeño de empleados asociados a las ventas.
Informe en Power BI :
Visualización de métricas clave como ingresos por región, desempeño por categoría de producto y comparación de ventas entre periodos.
Un diseño claro y navegable, con gráficos que permiten detectar tendencias y oportunidades de negocio.

Script de Creación DataWareHouse

Modelo Estrella

Ya con el DataWareHouse Cargado con sus tablas dimensionales y la tabla de hecho, vamos al Visual Studio el cual debe contar con los componentes necesarios para realizar el Analysis Services, ya cuando contemos con este seleccionaremos la plantilla de Analysis Services Multidimensional con la cual comenzaremos a crear nuestro Cubo OLAP (Online Analytical Processing)

Creación Cubo:

Ya en Visual Studio con la plantilla de Analysis Services Multidimensional iremos al origen de los datos, donde seleccionaremos nuestro DW cargado

Luego teniendo esta conexión correcta y funcionando iremos a Vistas del Origen de datos donde básicamente seleccionaremos nuestra tabla de hecho con sus tablas dimensionales

Ya con esto listo podemos comenzar la creación de nuestro cubo, para el cual seleccionaremos nuestra tabla de hecho y las medidas que deseamos incluir en nuestro cubo

Luego seleccionaremos las tablas dimensionales necesarias para el funcionamiento de nuestra tabla de hechos, y nos mostrará un resumen de cómo quedará nuestro cubo y sus medidas

Con el cubo en este estado viene el momento de procesarlo, para esto importante asegurarse que está bien configurada nuestra base de análisis, verificando el apartado de implementación dentro de propiedades

En el apartado de dimensiones, editar atributos que irán al cubo, y generar jerarquías para evitar advertencias de Visual Studio

Con esto completado ahora estamos listos para procesar nuestro cubo

Podemos ver que se generó nuestro cubo dentro de SQL Server Management Studio

III. Puntos destacados y conclusiones
Tras analizar la estructura de datos y los indicadores clave de rendimiento (KPI) de BikeZ, es evidente que su sistema actual de organización y gestión de datos necesita una reestructuración urgente. La falta de coherencia en los datos y la ausencia de un modelo eficiente para su análisis están dificultando la toma de decisiones estratégicas. Este problema se agrava debido a que el último año presentó una baja significativa en las ventas, lo cual requiere atención inmediata.
Identificar la raíz de esta caída es fundamental para evitar pérdidas mayores en el futuro. Para ello, es imprescindible implementar un sistema que permita medir de manera precisa y consistente el rendimiento de la tienda, tanto a nivel global como por segmentos específicos (productos, regiones, temporadas). Esto no solo facilitará entender las causas del problema, sino que también habilitará la creación de estrategias proactivas para la recuperación y el crecimiento sostenido.
En este contexto, una reestructuración basada en un modelo de datos bien diseñado, respaldado por herramientas de análisis avanzado como OLAP, permitirá a BikeZ transformar su organización en una entidad más competitiva, capaz de anticiparse a las necesidades del mercado y optimizar sus recursos.